促进在线杂货的多标准推荐系统

随着信息呈指数级增长，设计能让用户尽快获取其所需内容的机制已变得至关重要。借助信息技术发展的推荐系统（$RS$）正是这一解决方案，它是一种智能系统。可以收集用户感兴趣项目的各类数据，并以推荐形式呈现。$RS$ 在电子商务中也扮演着非常重要的角色。推荐产品的目的在于为特定产品指定最合适的标签。推荐产品时面临的主要挑战是产品及其所属类别信息不足。本文中，我们使用两种文档表示方法转换产品数据：词袋模型（BOW）和基于神经网络的文档组合方法，即向量化方法（Doc2Vec）。我们针对每种文档表示方法提出了三标准推荐系统（产品、包装和健康），以促进在线杂货销售，该系统依赖于产品特性，如（成分、包装、营养成分表、过敏原等）。为了进行评估，我们进行了用户和专家调查。最后，我们比较了每种文档表示方法下这三个标准的性能，发现基于神经网络的方法（Doc2Vec）表现更优，并完全改变了结果。